Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto

Detalhes bibliográficos
Autor(a) principal: Schlunzen, Elisa Tomoe Moriya
Data de Publicação: 1994
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1586586
Resumo: Organizador: Marcio Luiz de Andrade Neto
id UNICAMP-30_6473a3a08343eefead58a5ba97d85524
oai_identifier_str oai::135117
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remotoRedes neurais (Computação)Sensoriamento remotoOrganizador: Marcio Luiz de Andrade NetoDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia EletricaResumo: Redes Neurais Artificiais são modelos computacionais inspirados no sistema nervoso biológico. Seus elementos de processamento são neurônios que produzem a soma ponderada das entradas e aplicam o resultado a uma função de transferência não linear, para gerar uma saída. Estes mojdelos têm-se mostrado adequados para o reconhecimento de padrões e classificação de dados mufltiespectrais de Sensoriamento Remoto. Neste contexto, foi desenvolvido um trabalho com o objetivo de implementar uma Rede Neural Multicamadas com algoritmo de treinamento "Bi Lckpropagation", para utilização na classificação de ura segmento de imagem TM/LANDSAT, ref;rente a uma área teste pré-selecionada e comparar os seus resultados com os de um cia isificador de Máxima Verossimilhança (MAXVER). O treinamento da Rede foi feito segundo trê: abordagens distintas, inicialmente com a apresentação pixel a pixel e, em seguida, da aqi isição de grupos de pixels. Os resultados obtidos mostram que, genericamente, à medida que sãc incorporadas informações de vizinhança ao treinamento da Rede, ocorre um melhor dei empenho do classificador. A comparação das classificações geradas pela Rede com aquelas obl idas com a aplicação do MAXVER mostrou um melhor desempenho da Rede, em termos de número de pixel classificados e similaridade com a verdade terrestre, quando se consideram condições semelhantes de amostragem durante o treinamento. Isto permite concluir que o treinamento da Rede Neural não implica em uma localização tão criteriosa das amostras, nem quj: o tamanho amostrai seja tão abrangente quanto no caso do MAXVERAbstract: Artificial Neural Networks are computing models inspired in the biological nervous system, whose processing elements are neurons highly interconnected which produce a pondered sum of the fentrances and use the result to a function of non-linear transfer in order to generate a way out. These models have shown to be adequate to a Pattern Recognition and to the Remote Sent ling Multiespectral data classification, as well. Thus, an interesting task has been developed aiming to implement a multilayer Perception Neural Network with Backpropagation training and using it to serve as a digital classification of an area test segment of a TM/LANDSAT image, refaing to a preselected test area and so comparing the result of the utilization of this algorithm to tie result of a Maximum Likelihood algorithm classification. The Neural Net training was mac e through three different approaches: at the beginning using a pixel to pixel presentation and, as a sequence the acquisition of pixel groups. The result showed that as the information collected firon the neighborhood is incorporated to the network training, there will be a superior performance of the classifier. Moreover, the neural network classification resulted in a fewer nunber of non-classified pixels and a better similarity with ground truth than MAXVER classification. This allowed us to conclude that the Neural Network training is faster and easier thai] the training of a MAXVER classification algorithmMestradoMestre em Engenharia Elétrica[s.n.]Andrade Netto, Marcio Luiz de, 1947-2019Universidade Estadual de Campinas. Faculdade de Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASSchlunzen, Elisa Tomoe Moriya19941994-03-23T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf112f. : il.https://hdl.handle.net/20.500.12733/1586586SCHLUNZEN, Elisa Tomoe Moriya. Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto. 1994. 112f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1586586. Acesso em: 14 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/135117porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T02:50:14Zoai::135117Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T02:50:14Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto
title Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto
spellingShingle Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto
Schlunzen, Elisa Tomoe Moriya
Redes neurais (Computação)
Sensoriamento remoto
title_short Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto
title_full Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto
title_fullStr Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto
title_full_unstemmed Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto
title_sort Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto
author Schlunzen, Elisa Tomoe Moriya
author_facet Schlunzen, Elisa Tomoe Moriya
author_role author
dc.contributor.none.fl_str_mv Andrade Netto, Marcio Luiz de, 1947-2019
Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica
Programa de Pós-Graduação em Engenharia Elétrica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Schlunzen, Elisa Tomoe Moriya
dc.subject.por.fl_str_mv Redes neurais (Computação)
Sensoriamento remoto
topic Redes neurais (Computação)
Sensoriamento remoto
description Organizador: Marcio Luiz de Andrade Neto
publishDate 1994
dc.date.none.fl_str_mv 1994
1994-03-23T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1586586
SCHLUNZEN, Elisa Tomoe Moriya. Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto. 1994. 112f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1586586. Acesso em: 14 mai. 2024.
url https://hdl.handle.net/20.500.12733/1586586
identifier_str_mv SCHLUNZEN, Elisa Tomoe Moriya. Redes neurais aplicadas em classificação de dados multiespectrais de sensoriamento remoto. 1994. 112f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1586586. Acesso em: 14 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/135117
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
112f. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138336026132480

Registros relacionados